面向大数据的超启发式SVM的网络安全框架研究

大数据环境下，为了提高支持向量机(support vector machines， SVM)在网络安全应用环境下的性能，提出了面向大数据的超启发式SVM网络安全框架。所提超启发式SVM框架由SVM和超启发式框架组成，超启发式框架的作用是生成配置参数，并将其发送到SVM，SVM使用生成的配置来解决给定的问题，然后将成本函数发送到超启发式框架。超启发式框架分为高层策略和低层启发式，高层策略具有搜索性能，可以控制选择低层启发式并生成新的SVM配置;低层启发式算法构成了一组特定于问题的启发式算法，使用不同的规则实现对SVM配置搜索空间的探索。该框架自适应地集成了基于分解和基于Pareto方法的优点，近似SVM配置的Pareto集，解决了启发式框架的优化问题。实验结果表明，所提框架性能优于其他算法，说明框架的有效性。